显示面板AI外观缺陷检测：弱划痕与Mura分区建模

盖板与模组段的外观检测长期受两类问题困扰：一是弱划痕在亮面视区对比度低，二是Mura（云斑）灰度起伏往往仅1~3个灰阶，却与偏光片纹路、走线阴影混叠。通版阈值模型在中心区尚可，进入边缘与异形区后误报明显上升。

本阶段把流程拆成「成像—基准—判定」三段：成像端以低角度暗场与同轴光交替取图，使划痕的散射特征与Mura的漫反射特征分别显影；基准端不再使用全图统一模板，而是按中心视区、边缘、R角、开孔位分区，各自用良品图重建纹理基线，缺陷以残差形式浮现；判定端先做缺陷/背景二分类，再对残差连通域分级，避免小样本下多分类过拟合。

要点：
· 进展：在约1.2万张产线抽检图上，弱划痕召回由82%提升至94%，Mura类误报下降约四成，含多光源切换的单张推理控制在300ms内。
· 下一步：将分区边界由人工划定改为按曲率与光照响应自动聚类，并补齐曲面盖板的成像一致性标定。